視頻人臉檢測——Dlib版（六）

往期目錄

視頻人臉檢測——Dlib版（六）
OpenCV添加中文（五）
圖片人臉檢測——Dlib版（四）
視頻人臉檢測——OpenCV版（三）
圖片人臉檢測——OpenCV版（二）
OpenCV環境搭建（一）
更多更新，歡迎訪問我的github：https://github.com/vipstone/faceai

前言

Dlib的人臉識別要比OpenCV精准很多，一個是模型方面的差距，在一方面和OpenCV的定位有關系，OpenCV是一個綜合性的視覺處理庫，既然這么精准，那就一起趕快來看吧。

視頻人臉檢測是圖片識別的高級版本，圖片檢測詳情點擊查看我的上一篇《圖片人臉檢測——Dlib版（四）》

除了人臉識別用的是Dlib外，還是用OpenCV讀取攝像頭和處理圖片（轉為灰色），所以給出相關的文檔，方便理解。

效果預覽

技術實現

有了OpenCV的視頻人臉檢測，Dlib也大致相同除了視頻識別器模型的聲明和使用不同，具體的細節請參考，視頻人臉檢測——OpenCV版（三） 那篇已經講的很細致了，在這就不具體敘述了。

完整的代碼如下：

# coding=utf-8
import cv2
import dlib

detector = dlib.get_frontal_face_detector()  #使用默認的人類識別器模型


def discern(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    dets = detector(gray, 1)
    for face in dets:
        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 2)
        cv2.imshow("image", img)


cap = cv2.VideoCapture(0)
while (1):
    ret, img = cap.read()
    discern(img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

那么，OpenCV和Dlib的視頻識別對比，有兩個地方是不同的：

1.Dlib模型識別的准確率和效果要好於OpenCV；

2.Dlib識別的性能要比OpenCV差，使用視頻測試的時候Dlib有明顯的卡頓，但是OpenCV就好很多，基本看不出來；